Algorithme prédictif pour l'évaluation et l'intervention dans le sepsis (PREVISE)
Prédiction du sepsis sévère à l'aide d'un algorithme d'apprentissage automatique
Aperçu de l'étude
Statut
Statut
Les conditions
Les conditions
Intervention / Traitement
Intervention / Traitement
Type d'étude
Type d'étude
Inscription (Réel)
Inscription
Phase
Phase
- N'est pas applicable
Contacts et emplacements
Lieux d'étude
-
-
West Virginia
-
Huntington, West Virginia, États-Unis, 25701
- Cabell Huntington Hospital
-
-
Critères de participation
Critère d'éligibilité
Critère d'éligibilité
Âges éligibles pour étudier
Accepte les volontaires sains
Sexes éligibles pour l'étude
La description
Critère d'intégration:
- Tous les patients adultes visitant le service des urgences ou admis dans les unités de soins intensifs (USI) participantes de l'hôpital Cabell Huntington seront éligibles.
Critère d'exclusion:
- Tous les patients de moins de 18 ans seront exclus.
Plan d'étude
Comment l'étude est-elle conçue ?
Détails de conception
- Objectif principal: Diagnostique
- Répartition: Non randomisé
- Modèle interventionnel: Affectation factorielle
- Masquage: Aucun (étiquette ouverte)
Nombre de bras
Armes et Interventions
Groupe de participants / BrasGroupe de participants / Bras |
Intervention / TraitementIntervention / Traitement |
|---|---|
|
Expérimental: En vue
Le fournisseur de soins de santé reçoit une alerte d'InSight pour les patients présentant une tendance à une septicémie sévère.
Le prestataire de soins reçoit également des informations du détecteur de septicémie sévère dans le dossier de santé électronique du CHH.
|
À la réception d'une alerte InSight, le fournisseur de soins de santé suit les pratiques standard pour évaluer une éventuelle septicémie (grave) et intervenir en conséquence.
Après avoir reçu des informations du détecteur de septicémie sévère dans le dossier de santé électronique du CHH, le prestataire de soins de santé suit les pratiques standard pour évaluer une éventuelle septicémie (sévère) et intervenir en conséquence.
|
|
Comparateur actif: Sans aperçu
Le fournisseur de soins de santé ne reçoit aucune alerte d'InSight.
Le prestataire de soins reçoit des informations du détecteur de septicémie sévère dans le dossier de santé électronique du CHH.
|
Après avoir reçu des informations du détecteur de septicémie sévère dans le dossier de santé électronique du CHH, le prestataire de soins de santé suit les pratiques standard pour évaluer une éventuelle septicémie (sévère) et intervenir en conséquence.
|
Que mesure l'étude ?
Principaux critères de jugement
Principaux critères de jugement
Mesure des résultats |
Délai |
|---|---|
|
Mortalité hospitalière
Délai: Jusqu'à la fin de l'étude, une moyenne de 30 jours
|
Jusqu'à la fin de l'étude, une moyenne de 30 jours
|
Mesures de résultats secondaires
Mesures de résultats secondaires
Mesure des résultats |
Délai |
|---|---|
|
Durée du séjour à l'hôpital
Délai: Jusqu'à la fin de l'étude, une moyenne de 30 jours
|
Jusqu'à la fin de l'étude, une moyenne de 30 jours
|
Autres mesures de résultats
Autres mesures de résultats
Mesure des résultats |
Délai |
|---|---|
|
Réadmission à l'hôpital
Délai: Jusqu'à la fin de l'étude, une moyenne de 30 jours
|
Jusqu'à la fin de l'étude, une moyenne de 30 jours
|
|
Durée du séjour en soins intensifs
Délai: Jusqu'à la fin de l'étude, une moyenne de 30 jours
|
Jusqu'à la fin de l'étude, une moyenne de 30 jours
|
Collaborateurs et enquêteurs
Parrainer
Parrainer
Collaborateurs
Collaborateurs
Les enquêteurs
Les enquêteurs
- Chercheur principal: Hoyt Burdick, Cabell Huntington Hospital
Publications et liens utiles
Publications générales
- Calvert J, Desautels T, Chettipally U, Barton C, Hoffman J, Jay M, Mao Q, Mohamadlou H, Das R. High-performance detection and early prediction of septic shock for alcohol-use disorder patients. Ann Med Surg (Lond). 2016 May 10;8:50-5. doi: 10.1016/j.amsu.2016.04.023. eCollection 2016 Jun.
- Calvert JS, Price DA, Chettipally UK, Barton CW, Feldman MD, Hoffman JL, Jay M, Das R. A computational approach to early sepsis detection. Comput Biol Med. 2016 Jul 1;74:69-73. doi: 10.1016/j.compbiomed.2016.05.003. Epub 2016 May 12.
- Desautels T, Calvert J, Hoffman J, Jay M, Kerem Y, Shieh L, Shimabukuro D, Chettipally U, Feldman MD, Barton C, Wales DJ, Das R. Prediction of Sepsis in the Intensive Care Unit With Minimal Electronic Health Record Data: A Machine Learning Approach. JMIR Med Inform. 2016 Sep 30;4(3):e28. doi: 10.2196/medinform.5909.
Dates d'enregistrement des études
Dates principales de l'étude
Début de l'étude (Réel)
Début de l'étude
Achèvement primaire (Réel)
Achèvement primaire
Achèvement de l'étude (Réel)
Achèvement de l'étude
Dates d'inscription aux études
Première soumission
Première soumission
Première soumission répondant aux critères de contrôle qualité
Première soumission répondant aux critères de contrôle qualité
Première publication (Réel)
Première publication
Mises à jour des dossiers d'étude
Dernière mise à jour publiée (Réel)
Dernière mise à jour publiée
Dernière mise à jour soumise répondant aux critères de contrôle qualité
Dernière mise à jour soumise répondant aux critères de contrôle qualité
Dernière vérification
Dernière vérification
Plus d'information
Termes liés à cette étude
Termes MeSH pertinents supplémentaires
Autres numéros d'identification d'étude
Autres numéros d'identification d'étude
- 1097090-1
Informations sur les médicaments et les dispositifs, documents d'étude
Étudie un produit pharmaceutique réglementé par la FDA américaine
Étudie un produit d'appareil réglementé par la FDA américaine
Ces informations ont été extraites directement du site Web clinicaltrials.gov sans aucune modification. Si vous avez des demandes de modification, de suppression ou de mise à jour des détails de votre étude, veuillez contacter register@clinicaltrials.gov. Dès qu'un changement est mis en œuvre sur clinicaltrials.gov, il sera également mis à jour automatiquement sur notre site Web .